前言

本文为深度学习环境配置的基本方法，过程都是用文字描述的可能对于刚接触深度学习的小白不太友好，这里将本文的参考文章链接放在下面，如有不懂的地方可通过参考链接进行解决。
显卡驱动更新、anaconda安装、pycharm安装、配置免额外安装cuda和cudnn的pytorch深度学习环境具体步骤参考链接: 炮哥带你学
YOLOv5口罩检测: 肆十二
解决base环境问题: 有幸遇见的上上
单独安装cuda和cudnn参考链接: link
配置mxnet的深度学习环境参考链接: link

更新显卡驱动

1. 检查计算机的显卡信息步骤：快捷键win+x -》设备管理器 -》显示适配器-》NVIDIA GeForce GTX 1050 Ti（显卡信息）
2. 下载更新显卡驱动程序步骤：显卡驱动程序链接 -》搜索下载驱动程序 -》安装驱动程序
3. 检查驱动最高支持的CUDA版本步骤：快捷键win+R -》cmd -》nvidia-smi

安装Anaconda

Anaconda安装步骤：Anaconda安装 官网 -》下载安装 （安装在C盘时只需注意勾选添加环境变量add Anaconda3 to my PATH environment variable，安装在D盘时创建单独的文件夹作为安装路径，注意勾选添加环境变量）
在所有应用中出现Anaconda3这个文件即表示安装成功。创建虚拟环境既可以从Anaconda3下面的Anaconda prompt中创建也可以按照下述配置Pytorch环境中的方法创建。
Anaconda 环境中的常用指令如下：

1. conda env list #查看有哪些环境
2. conda create -n name python==3.8.5 #创建虚拟环境名字为name,定义python版本为3.8.5
3. conda activate name #激活name虚拟环境
4. conda remove -n name --all #删除虚拟环境name
5. pip install name #安装name库
6. pip list #查看有哪些包

安装CUDA和cudnn

1. 检查计算机最高支持的CUDA版本

2. 安装CUDA，链接: CUDA网址。安装CUDA之前，需要安装visual studio

3. 安装CUDA选择自定义可以选择安装的文件和安装的路径
   
   
   

4. 安装cudnn，链接: cudnn网址

5. 注册英伟达的账号

6. cudnn下载完成后，得到一个压缩包，对其进行解压

需要将上面的文件拷贝到CUDA安装路径下，可以将cudnn的文件夹名简化为cudnn，然后将cudnn复制到在CUDA的安装路径下，例如V12.0。（cudnn解压后出现上面三个文件夹，将上面的三个文件夹复制到CUDA的安装路径下，NVIDIA GPU Computing Toolkit\CUDA\v12.0）

如果忘记CUDA的安装路径，可以在设置》高级系统设置》环境变量》

测试cuda和cudnn是否安装成功，在v12.0下的extras下的demo_suite，将这个文件夹的整体路径复制，在终端cd “路径”，输入bandwidthTest.exe回车，出现PASS说明运行通过。然后输入deviceQuery.exe回车。出现PASS。这样CUDA和cudnn安装成功。

配置Pytorch环境

1. 下载代码，解压到桌面的项目文件里面
2. 从含有requirements.txt的根目录进入cmd，进入conda
3. 换源:
   清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

中科大源

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

4. 创建虚拟环境，conda create -n pytorch python==3.8.5
5. 激活虚拟环境，安装Pytorch(官网)
6. 安装其他库，pip install -r requirements.txt

安装Pycharm

在Pycharm 官网 下载安装社区版
验证是否anconda在安装pytorch环境的时候也安装了cuda和cudnn。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

解决Pycharm中base环境问题

问题描述：安装好Pycharm设置好python 解释器后，terminal中显示不是base环境，通过指令也不能激活base环境。解决方法如下：在所有应用中找到Anaconda Prompt(anaconda3)点击打开该文件位置-》查看该文件属性-》目标中复制类似于这样的地址：（cmd.exe “/K” C:\Users\sxxyc\anaconda3\Scripts\activate.bat C:\Users\sxxyc\anaconda3）即包括cmd.exe后面的全部-》打开Pycharm-》File-》settings-》Tools-》Terminal-》将shell path下的路径替换为我们复制的路径地址，点击OK重启Pycharm就发现terminal已经变成base环境了。